Alimentation, santé globale Temps de lecture 3 min
Une bactérie capable de prédire l’évolution d’une maladie
COMMUNIQUÉ DE PRESSE - Résoudre des problèmes en utilisant la capacité naturelle d’adaptation des bactéries. C’est le défi qu’a relevé une équipe de recherche coordonnée par INRAE et impliquant le CHU Grenoble Alpes, l’Université Grenoble Alpes et le CEA, qui a pu distinguer des formes légères et sévères de la COVID-19 en suivant les courbes de croissance de la bactérie Escherichia coli. Des résultats publiés dans Cell Systems qui ouvrent la voie vers des méthodes de diagnostics simples et peu coûteux.
Publié le 02 juillet 2026
Le traitement de l’information à l’aide d’organismes vivants est un axe important en biotechnologie qui a fait l’objet de précédents travaux1
Une équipe de recherche coordonnée par INRAE et impliquant le CHU Grenoble Alpes, l’Université Grenoble Alpes et le CEA a utilisé les capacités naturelles de la bactérie, sans la modifier génétiquement. À partir d’échantillons de plasma de patients atteints de la COVID-19, les scientifiques ont pu distinguer les patients susceptibles de développer une forme légère de ceux qui risquaient d’évoluer vers une forme sévère.
Pour arriver à ce résultat, l’équipe de recherche a détourné la capacité naturelle d’adaptation de la bactérie, ici Escherichia coli. En effet, la bactérie n’a pas évolué pour faire du calcul mais pour survivre. Dans son environnement, elle doit en permanence capter des signaux : quels nutriments sont présents, en quelles quantités, et comment ces conditions changent au cours du temps. En réponse, elle ajuste son métabolisme et sa croissance. Au lieu de voir la croissance bactérienne seulement comme un phénomène biologique, les scientifiques l’utilisent comme une manière de traiter de l’information.
Comment cela fonctionne ? Dans le cas des échantillons cliniques, la bactérie est directement mise en présence du plasma des patients : elle réagit à sa composition chimique en poussant plus ou moins vite, avec une courbe de croissance qui dépend de l’ensemble des signaux reçus. Dans d’autres tâches de calcul étudiées dans l’article, le problème est d’abord transformé en un mélange de nutriments, auquel la bactérie répond de la même manière par sa croissance. Dans les deux cas, cette courbe est ensuite mesurée, puis utilisée pour obtenir une réponse, par exemple pour classer un échantillon dans une catégorie plutôt qu’une autre, ici un risque d’évolution vers une forme légère ou sévère de la COVID-19. Résultat, une bactérie que personne n’a entraînée parvient à réaliser des tâches habituellement confiées à des algorithmes d’apprentissage.
Cette approche ouvre la voie à des outils de diagnostic ou de pronostic simples, peu coûteux et utilisables dans des contextes où les moyens techniques sont limités. L’équipe envisage désormais d’explorer d’autres applications, comme le suivi d’échantillons environnementaux, notamment les eaux usées urbaines, ou l’analyse d’autres échantillons cliniques. Plus largement, l’étude ouvre une piste nouvelle : utiliser des organismes vivants non modifiés génétiquement comme systèmes capables de transformer la complexité d’un échantillon en information exploitable.
1. Pandi A., Koch M., Voyvodic P.L. et al. (2019). Metabolic Perceptrons for Neural Computing in Biological Systems. Nature Communications, https://doi.org/10.1038/s41467-019-11889-0 - Lire le communiqué de presse.
Ecouter les réponses de Jean-Loup Faulon, directeur de recherche au sein de l'unité Microbiologie de l'alimentation au service de la santé, à 4 questions qui résument l'étude :
🎧 1. Pourquoi avoir mené cette étude ?
🎧 2. Sur quelle maladie avez-vous travaillé ?
🎧 3. Quels sont vos principaux résultats ?
🎧 4. Quelles sont les perspectives pour ces travaux ?
Référence
Ahavi P., Hoang T. N. A., Meyer P. et al. (2026). Living Bacterial Reservoir Computers for Information Processing and Sensing. Cell Systems, DOI: https://doi.org/10.1016/j.cels.2026.101654